贷款违约判别是指商业银行等金融机构基于历史数据建立数学模型,刻画贷款客户的指标数据与违约状态之间的关联关系,旨在对新客户的违约状态进行判断,进而辅助贷款决策。违约判别模型是否有效关系到金融机构的收益和风险。截至2021年底,我国登记在册的个体工商户有1.03亿户,带动就业2.76亿人。可见,个体工商户在我国经济中扮演着极其重要的角色。本文以中国个体工商户贷款为研究对象,基于某全国性商业银行的个体工商户贷款数据,建立个体工商户贷款违约判别模型,帮助减少信息不对称,缓解我国个体工商户现存的“融资贵、融资难”问题。本文关于个体工商户贷款违约判别模型的构建,共涉及三个科学问题:一是信用特征变量（Sub-feature）的构造（亦称“分箱（Binning）”）问题。它指把诸如“收入”这样一个“指标（Feature）”拆分成“高收入”“中等收入”“低收入”三个不同的“特征（Sub-feature）”。其目的是采用“特征”,而不是“指标”,作为构建贷款违约判别模型的变量。显而易见,“高收入”比“低收入”的贷款客户清偿能力更强,因而特征变量具有更强的解释力。信用特征变量的拆分问题,就是如何拆分指标数据的信用特征（区间）,才能使得一个指标数据的不同区间所表示的特征变量,能够显著地区分违约与非违约两类客户。二是最优模型遴选的问题。在构建数据驱动的违约判别集成模型时,同一个样本采用不同的判别方法会得到不同的精度。对于多数投票法中的多个子样本,如何选择每个子样本对应的方法,构成集成模型中的最优模型组合。三是半监督（Semi-supervised）模型中最优判别临界点的确定问题。使用部分有违约状态、部分无违约状态的贷款数据建立的判别模型,称之为半监督模型。在实践中,有的贷款已经到期,有的贷款尚未到期,未到期贷款不存在违约状态,因此半监督模型的应用前景更广泛。当违约判别的临界点取不同值时,判别精度也会不同,则必然存在一个能够最大程度区分违约与非违约客户最优的临界点。如何确定半监督模型的最优临界点。本文的主要创新有三:（1）信用特征变量拆分的创新:以每次区间拆分之后每个区间中非违约客户比例与违约客户比例的总差异最大为目标,反推指标数值区间拆分的多个最优分割点,构建能够最大限度地区分违约与否的信用特征变量,改变现有“分箱”方法对指标数值区间随意分割的现状。（2）最优模型遴选的创新:以精度AUC最大为目标,反推每个子样本所对应的最优模型,对所有最优模型的判别结果进行投票,确保多数投票法中的每个模型的违约判别能力最强。通过多数据集、多模型的多种检验方式,验证了本文所建立的违约判别模型为综合判别精度最高的违约判别模型。（3）半监督违约判别模型的创新:以精度G-mean最大为目标,反推半监督逻辑回归模型的最优违约判别临界点,确保半监督模型的判别精度最高。违约判别体系“特征”——“指标”——“准则”从小到大三个层面的研究发现如下。（1）信用特征方面的研究发现:“担保人数≥1”和“上月利润率≥0.488”的个体工商户更不容易违约,而“担保人数=0”的个体工商户更容易违约。个体工商户贷款违约判别中最重要的三个信用特征分别为“担保人数≥1”“担保人数=0”和“上月利润率≥0.488”。（2）信用指标方面的研究发现:具有“办事人员和有关人员”或“商业、服务业人员”这2类职业的个体工商户更倾向于如期还款,而“专业技术人员”“不便分类的从业人员”或“未知”3类职业的个体工商户更容易违约。这是最优特征变量组合中最重要的5个职业特征。个体工商户贷款违约判别中最重要的三个指标依次为“担保人数”“上月利润率”以及“职业”。（3）准则层方面的研究发现:“财务状况”“商户经营者个人信息”以及“贷款基本信息”对个体工商户贷款模型的违约判别精度影响很大,而“商户经营情况”和“宏观环境”则影响较小。